摘要
本发明提出一种基于变换同构约束的计算机视觉表征学习方法和装置,其包括:变换每张训练图像进行,得到经过图像变换矩阵处理的变换图像,根据图像变换矩阵,得到变换图像中目标的位姿变换矩阵,图像变换矩阵和位姿变换矩阵构成变换对;集合所有训练图像的所有变换对,得到同构变换集合;将变换图像输入重建式的骨干网络,得到重建结果和骨干网络隐空间中变换集合,构建一阶约束,根据重建结果和其对应的变换图像构建重建约束;采用训练完成后的骨干网络提取训练图像的视觉特征,通过解码器将视觉特征解码为预测位姿,根据预测位姿和目标位姿,构建损失函数训练解码器,组合训练完成后的解码器和骨干网络,得到位姿提取模型。
技术关键词
表征学习方法
计算机视觉
特征提取模型
解码器
网络
生成图像特征
矩阵
信息显示设备
学习装置
视觉特征
人工智能模型
计算机程序产品
电子设备
关系
参数
可读存储介质
模块
处理器
关节
系统为您推荐了相关专利信息
悬挂参数
悬挂系统
汽车悬挂
监测车辆行驶状态
压电式传感器
深度学习神经网络
自动控制系统
自动控制方法
参数
驱动无人机
多年冻土
长短期记忆网络
随机森林
算法
线性加权法